Podcast

Jirka Vicherek (00:00:03): Dobrý den, moje jméno je Jirka Vicherek a vítám vás u dalšího dílu DataTalk podcastu. Mým dnešním, ne tak vzácným, ale o to víc vítaným hostem je Ivan Kutil, CTO a Psatori a už 13 let Google Developer Expert, náš hlavní expert na Google, Google Cloud a AI a o tom se dneska budeme bavit. Ahoj Ivane, vítej zpátky v DataTalku. Ahoj

Ivan Kutil (00:00:25): Jirko, díky za pozvání.

Jirka Vicherek (00:00:45): Jak jsem říkal, my se podíváme, jak je na tom Google v roce 2026. Co jsou novinky v Google Cloudu, jak vlastně Google přistupuje k AI, jak reaguje na nejnovější trendy a jaké jsou vlastně ty nejnovější trendy. My jsme tě měli tady v podcastu už dvakrát. Si legenda, první díl byl 20. speciál s GG z Revolt.BI.

Naposledy to byl ale díl 62 v listopadu 2023. Oba doporučuju. Pro ty, kteří tě neznají, nejsou na scéně, nechodí na akce a nepostouchají ostatní podcasty nebo dokonce tvůj podcast Oblaka Dabra, tak pojď se krátce představit, prosím Ivane.

Ivan Kutil (00:01:39): Mě vždycky zajímaly Google technologie a tak jsem někdy před 15 lety spolu založil firmu AppSatori. AppSatori je Google Premier Partner a vlastně od té doby pomáháme firmám původně z Google Apps, pak se to přejoveno na G Suite, teďka Google Workspace, každopádně s tím kancelářským balíkem, který Google má a nabízí firmám. a 7 let zpátky jsme k tomu přidali Google Cloud až 3 roky zpátky jsme k tomu přidali data a AI, tak aby jsme dokázali klientům pomáhat, protože těch věcí bylo hodně a je hodně, takže my vlastně pomáháme klientům se v tom zorientovat, pomáháme klientům v tom školit a pomáhat různý věci a já osobně to dělám prostě 13 let s tím, že jak si zmínil jsem v tom programu Google Developer Expert, což mi dává zase možnost A některý ty věci testovat, o některých novinkách se třeba dozvím od 14 dnů týden dopředu, než je Google uvede. proběhne nad tím, jak uvažovat, jak to zapadá do toho kontextu. taky dostávám pozvánky na zářeční konference, typicky třeba Google Cloud Next, kde nechodím po těch přednáškách a bavím se s lidma, ale spíš chodím po těch stáncích a tak nějak jako si tvořím tu myšlenkou mapu v těch produktech, abych se v tom já zorientoval, pak tomu vlastně pomáhal zorientovat i ostatní.

Jirka Vicherek (00:02:53): Děkuji, krásný úvod. To, o čem se dneska budeme bavit, tak možná využiju toho posunu. Tak když jsme tě měli naposled jako hosta a DataTalku, tak se psal konec roku 2023. Už tady bylo AI, ChatGPT, už AI plnilo nebo tehdy už byl možná trošku decline toho, jak je to na všech titulkách a hot, i když samozřejmě pořád je to velmi hot. Ale tehdy jsme řešili, že Google do toho závodu nastoupil trošku později, že vlastně do toho největšího hype či GPT, tak Google, přirozený hráč v tomhle space, tak vlastně jsme si říkali, nebo já to nemluvím za tebe, ale za scénu, že je pozdě v tom závodu, že už ho nikdy nedohoní, a ty vlastně na tom konci roku 2023 se ukazovalo, že už teda vyběhl a že teda běží dost rychle a že využívá těch svých konkurenčních výhod, ale pořád to bylo, že OpenAI byl jasný, jasný ten jako v čele pelotonu dlouho nic a dokonce se řešilo, jestli To není ten monopol, že OpenAI s tou svojí konkurenční výhodou, tak jak ho porazit v tom AI race.

Dvá půl roku později je ta situace o dost jiná a to se nebavíme jenom o Google, ale hodně o antropiku a o čínských modelech. Ukázalo se, že Ta obrany schopnost, ten mout těch velkých jazykových modelů není zas tak velký. Tak a to byl dlouhý úvod k tomu, tak mám pocit a opravdně, že se ten závod hodně srovnal, že všichni ti hráči mají nějaké výhody, nějaké silné, nějaké slabé stránky, ale že jsou plus, minus, jeden měsíc jeden, druhý měsíc druhý, že je to velmi vyrovnaný a velmi konkurenční trh těchto velkých kluků a velkých jazykových modelů. Jak to vnímáš ty? Jak je na tom Google 2026 v souvislosti s AI, v souvislosti s konkurencí přirozenou OpenAI a Antropicam?

Ivan Kutil (00:05:39): Je to vlastně 2,5 roku zpátky, to už vlastně v tom lidském životě vypadá jako nedávno, ale v tom jako datovém AI je to jako strašně daleko. My jsme, když jsme se o tom bavili, tak v té době ani neexistovalo Gemini. Gemini vlastně Google uvedl až měsíc potom, co nahrál se ten podcast a byl to Gemini ve vrzi 1,0. To znamená, že ten post a to už nám přijde, že Gemini je tady s námi jako desítky let v fuzovkách. V té době vlastně Google přinesl větší kontextové okno, takže přinesl nějaké zajímavé koncepty, teda bylo kontextové okno nějakých třeba 32 tisíc tokenů, pak to přinesl na milion, vypadalo to, že to kontextové okno se bude zvětšovat, ale nakonec to se někde ustávilo, takže stejně pořád to kontextové okno máme, takže některé věcí jsme se obecně posunuli, některé ty věci ustávají stejné.

To, co bylo zajímavé je, že vlastně Gemini, respektivě Google uvedl Gemini jako model, ale zároveň to uvedl jako Gemini jako název produktový sady, kterou máš Gemini aplikaci, máš Gemini, který máš v Google Workspace, máš Gemini, kterou máš v Google Cloudu. Tak místo toho, aby bylo hodně malých trendů a názvosloví, tak vlastně udělal to sjednocení, že všechno se točí kolem vlastně Gemini. Teďka vlastně máme verzi Gemini 3.5, takže nějaká poslední verze. To, co je zajímavé, tak v té době, když se uváděly ty modely, tak se často mluvily o počtech parametrů. Tenhle ten model má tolik parametrů a tím je teda úplně jako samozřejmě lepší, když má víc parametrů.

Mně přijde, že tenhle ten vlastně jako souběh už nebo tady ta soutěž o počet parametrů se neřeší a ani se neřeší tolik i jako jak hodně ty data budou čerství, protože se kompletně změnilo to paradigma. Tady je třeba zajímavý, že když trénuješ ten velký jazykový model, tak samozřejmě do toho modelu chceš nahrnout nějaký informace, aby ti ten model odpovídal. Ale já konec se jistil, že to není potřeba, že tyhle ty aktuální informace jsi schopen dostat na nějaký jiný vrstvě. Typicky, když se na něco zeptáš a mezi tím se prostě ten model doptá vyhledávače nebo tvých dat, aby udělal nějaký grounding. A třeba poslední model, který je Gemina je 3,5, tak má ty data do trénování na leden 2025.

Takže ty informace jsou tam prostě jakoby v fuzovkách rok a půl starý, ale vlastně ničemu to nevadí, protože ty, když se na něco ptáš, tak ty informace se dotáhnou jiným způsobem a to je právě tím, že buď už ten model používáš, aby to byla ta lingvistika a stejně k tomu máš napojený nějaký túly nebo k tomu napojiš nějaký agenty. Takže určitě je zajímavý v tomhletom, že z hlediska těch modelů se stalo tohleto. Další takový jako hlavní koncept, co mi tam přijde, je, že často se řešilo to, že ty řešíš trénování toho modelu, na který potřebuješ hromadu výpočetního výkonu, který dodáváš a potom vlastně, když to v modelnicu získáváš, tak to už je jenom to generování jednotlivých tokenů jako za sebou. Takže teoreticky k tomu ten výkon potřebuješ, ale ne tak velký. Ten koncept se celý otočil s tím, jak vlastně se přinesl ten thinking a reasoning do těch modelů.

Vlastně říká se tomu vlastně test compute a ty vlastně když si generuješ i ten výsledek, tak vlastně čím dál tím víc potřebuješ víc a víc výpočtu k tomu, aby ten vlastně model si mohl vytvořit nějaké vlastně ty hypotézy, aby si mohl nad tím uvažovat, mít nějaký thinking a generovat reálně ten výsledek. Proto když třeba používáš model, já nevím, Jiminy i Flash nebo Jiminy i Pro, je to i jedných modelů, tak si můžeš zapnout nebo vypnout thinking. Ale ten thinking vlastně ve skutečnosti je to, že se vlastně dá více výpočetního výkonu a ten model, když generuje ten daný výsledek, tak se ještě vytváří nějaké hypotézy a z těch hypotéz potom je schopen vlastně vygerovat ti daleko lepší vlastně odpověď. Hezky je to vidět i třeba na modelu DeepThink, který naopak toho početního výkonu má ještě daleko víc a samozřejmě ty výkony ti dává mnohem, nebo ty výsledky ti dává mnohem ještě lepší. Takže tohle je zajímavá změna paradigmatu, že informace nedáváš do toho modelu, ale zároveň se i přenáší to, že víc a víc výkonu potřebuješ při tom generování.

Jirka Vicherek (00:09:46): No a když se podíváme na Google jako takový, tak zase velmi nepřekvapivě asi neexistuje firma, která se nepřekloupila takhle na AI First a jakákoliv konference, tak si pamatuju, jak jsme počítali, kolikrát zazní AI v nějaký prezentaci a že v Apple prezentaci nezazní ani jednou, protože to Apple Intelligence a takovýhle vele toče, Tak jak se díváš na tohle? Existuje jiná Google budoucnost než AI? Zase všichni jsou all in. Mám pocit, že Google si první zamyslel, než jako vyběhl a řekl si, OK, tak jak to zapadá do celý naší strategie, že to nebyla ta... jako slepý leap of faith.

Jak to vnímáš dneska, když bude tady Google Cloud Summit? Bude jiné téma než

Ivan Kutil (00:10:54): AI? To téma bude AI určitě a není to to, že by se Google jako probudil a řek najednou řešme AI, Google řeší AI od roku 2016, kdy vlastně začal vytvářet první TPU čipy, začal vlastně integrovat a dělat ty modely. Ale vlastně to, s čím vlastně přišlo vlastně úplně já je, že vlastně dokázalo ty modely vlastně dostat na trh, dokázalo investovat obrovskou, obrovský množství peněz na to, tohleto dotrénovat a dát jako lidem. Google ty modely v nějaký jakoby verzi měl, ale je měl vždycky jenom pro uzavřenou skupinu lidí nebo v Americe a tak dále. To, co vlastně asi došlo to hlavní je a to, což my můžeme vnímat najednou, že Google se probudívala asi nějaká změna organizace uvnitř Google, protože vlastně do té doby, když jsme se o tom bavili, tak vlastně byly nějaké dvě hlavní proudy v té výzkumný sféře Google a byl to Google Brain, což byla taková ta standardní a potom byla ta Google DeepMind, kterou Google akvíroval s Demisem a Sabisem.

a vlastně byly to nějaký dva různý týmy a Google vlastně udělal to spojení tady těch dvou týmů výsledkem toho spojení vlastně Gemini, protože Gemini jako blíženci, takže vlastně jako spojení ty iniciativy a to bylo v tom jako research pohledu a teďka co vnímám poslední rok je, že vlastně ty DeepMind lidi Tak vlastně se víc propojili s tím produktem, takže už to není tak, že by nějaký jako ten člověk vytvářel nějakou jako skvělou věc a pak by jí dal tomu produktu, taky naimplementujte, ale už je to víc jako propojený. Hezké je to vidět třeba u Google AI Studio, protože jako Google AI Studio teďka víc patří pod Deep My Team. A vlastně vidět, že skoro co týden tam rýlí se ho nějakou novinku, když se ho vede novej model, tak je hned v dispozici v té rolace. Takže určitě se tam povedlo líp k té produktizaci těch věcí a není to jenom to, co tady vidíme v této části, ale třeba i v jiných částech. Google hodně toho researche řeší, anebo má hodně dat a ty teďka se snaží dávat typicky ven.

Takže třeba Google Trends. Google Trends je vlastně zlatý důl a Google vlastně rozhodl někdy v loni, že je Google Trends přístupní jako oficiální API. Případně říká, že Google Trends datasety jsou teďka dostupný k BigQuery. Takže ti trošku motivuje k tomu, abys využíval tu klaudovou platformu.

Jirka Vicherek (00:13:17): To je skvělý, já připomenu, že pamatuju si na iniciativu, že z Google Trends se dělali mapy šíření nemocí, že to je, a zase to je dávno před tady AI vlnou, tak si pamatuju, že tohle byly data pro WHO, pro světovou zdravotnickou organizaci a tak, protože podle toho, jak Jak moc googlíte, že jak zkrotit teplotu, horečku nebo nějaké příznaky, tak se dá vidět, kde se šíří nějaké nemoci, tak to si pamatuju, že takovýhle for good věcí bylo už předtím, takže jako Google Trends musí být skvělý, data source.

Ivan Kutil (00:14:07): A není to jenom, tady jasně jako, že se bavím o tom AI, ale jak jsem zmínil, tak tím, že vlastně víc a víc věcí se dostává do toho Google Cloud prostředí, tak i Google vlastně teďka monetizuje ty data, který má typicky třeba Google Places, to měná, že každý počívá Google Mapy, každý chce být vylistovaný. Tak vlastně už teďka existuje vlastně Google Places Aggregate API, který ti umožní položit nějaký dotaz. Můj dotaz bude, najdi mi všechny dobrý restaurace v okolí nějakého místa GPS-ky nebo lokality Praha 1. A můžu v tom API requestu říct, že to má být nějaké hodnocení, třeba 3,4,0, 4,1 a Google mi to jako vrátí. Takže vlastně reálně to, co třeba některé lidi dělali, že ty data skrypujou, tak Google tohle zpřístupňuje jako oficiální API, který někdo může použít.

Samozřejmě všechny tyhle věci, pokud bys chtěl dělat nějak jako analyticky, tak ti je samozřejmě přístupně i formou nějaké BigQuery datasetu. To znamená, že každé místo na mapě je potom dostupné v rámci BigQuery a ty si vlastně na ty věci můžeš dotazovat. Typicky otevíráš novou kavárnu, otevíráš jim v nějakém místě, tak ty si můžeš udělat nějakou analýzu, ale místo toho, abys to dělal jako ručně nebo skripoval, tak vlastně můžeš položit ten dotaz BigQuery a vytáhnout si tady ty vlastně informace. Kromě toho, těch novej Google vlastně ukládá i historický informace, takže teďka někde říká, že tam má zbíraná data od roku 2014, samozřejmě on nemá další dobu, ale to, jak je zpřístupňuje, takže ty si můžeš podívat, jaký je trend otvírání, zavírání nových jako podniků. Takže tam je jedna věc, že má ty informace, ty teďka zpřístupňuje formu nějaké kvěry do setu a ty můžeš nějakým způsobem vyvolat.

A není to jenom čistě tady z ty mapový platformy, jako jsou ty Places, Ale jsou to i další, třeba Street View. Street View jakože pro insidy z obrázků, protože Street View jsou vlastně specializovní auta, který jezdí po ulicích, fotí všechno, co je v okolí, ale fotí informace, které by tobě mohly přijít ušitečný. Jsou tam různý nápisy, dopravní značky a tak dále. A tyhle informace ty se nad těma datama můžeš doptávat, takže pak řekneš, jaký jsou všechny stop značky v mimokolí nebo v nějaké lokalitě a Google ti to dá vlastně jako jednotlivý bod na mapě, takže s tím zase můžeš plánovat, než potřebuješ něco udělat, zjistit a tak dále. Co mně přijde jako nejzajímavější, úplně jakože a to Google uvedl na Nextu a vlastně mě baví občas jako vychytávat ty věci, kdy si řeknu wow, to je jako super, to vlastně přináší úplně něco jako novýho, tak je něco, co se jmenuje Population Dynamics Insights.

Ve skutečnosti to je, že Google ti rozdělí nějakou jako geooblast na nějaký 3 až 6 kilometrový čtverce nebo gridy, to mná máš nějakou jako oblast a do té oblasti ví, jaký jsou tam místa, ví jaký tam počasí a ví, co lidi vyhledávají na Google. To mná, že ví, že lidi tady prostě vyhledávají, tady vyhledávají auta, tady vyhledávají nemocnice a tak dále. Tady z těch tří informací on ti udělá nějaký vlastně embedding dlouhej, to měla nějaký jako otisk tý daný lokality. No a když ty budeš mít vlastně otisk pro každou tady tu jako lokalitu, tak ty potom můžeš udělat, jaký lokality jsou podobný tady tými lokality. To měná, že ty máš třeba fungující podnik někde a říkáš si, že to je super, tam to jako funguje.

Není někde na zemi, ve městě, ve státě podobné místo, který prostě má podobné vyhledávání, počasí a prostě místa, kde by ten můj podnik byl funguje stejně, tak na to funguje pak vektorový vyhledávání, že ty řekneš, mám tady to místo, najdeme všechny podobné místa a to tě jako vrátí.

Jirka Vicherek (00:17:56): Lookalike nad mapovýma podkladama. Jo.

Ivan Kutil (00:18:00): A vlastně bere to z těch informací, co reálně tam lidi hledají. Teďka to je dostupné v nějaké 17 zemí světa. Česká republika tam není, ale je tam třeba spojené státy, Jemecko, Francie. Je to prostě formou nějakého datasetu nebo API, kterého můžeš používat a volat. Tož mi přijde super, že vlastně vezmeš ty informace, který máš a vlastně zpřístupňuješ je uživatelu.

Samozřejmě výměnou za to, že ty za to platíš buď BigQuery nebo za to platíš přes API.

Jirka Vicherek (00:18:25): No a... My máme tady hodně témat a vlastně se mi líbí, že začínáme od spoda. Takže jestli má Google v něčem koneční výhodu, tak jsou to datasety. A je boží, že teď datoví analytici nebo i biznismeni z těchto dat můžou těžit. Tak to jsme v té datoví.

Možná, když půjdu o krok výš k... Datovým architektům, datovým inženýrům, co nás poslouchají, tak ještě bych se zastavil u BigQuery zase, kde mám pocit, že před dvěma a půl lety třemi byl ještě takový pohled na BigQuery jako čistě databázy, která se používá hlavně pro marketingová data, a tehdy zase to, že z geáček to šlo nativně do BigQuery, tak mnozí museli zkousávat, protože jejich stek vypadal jinak a přišlo a bylo to takový jako mohlo to přijít tvrdý. Mám pocit zase, když se posuneme v čase do dneška, že to byl geniální tah, který odemkl celý ten datový stek. a který najednou dal Googleu velkou konkurenční výhodu. Tak jak je na tom BigQuery dneska, jak to vnímáš v tomhle, než se posuneme ještě do tý vyšší úrovně a do jako AI-kových věcí nebo cloudových a potom AI-kových věcí.

Ivan Kutil (00:20:03): Když se třeba bavím s nějakými lidmi, který třeba používají AWS platformu a ptám se, který dva produkty bys chtěl mít v té svý platformě nebo to, co ti přijde jako hlavní vlajková loď Google, tak mi odpovídají dvě věci. První je BigQuery a druhý je Cloud Run. BigQuery dlouhodobě je vlastně věc, která Google má dlouho, možná 15 let. a více a víc jí posouvá k tomu, aby ji mohli uživatelé používat. Samozřejmě to je tím, že hodně tu platformu inovuje.

Hlavní výhoda toho je, že máš oddělený storage od toho komputu, tím pádem za storage neplatíš nic, protože to je uložení nějakých... A samozřejmě tím, že netrval na tom, že by se držela nějaká notace, původně byla vlastní BigQuery notace, nakonec to udělal běžný SQL standard. škáluješ podle počtu ten, jaký potřebuješ. A samozřejmě tím, že netrval na tom, že by se držela nějaká notace, původně byla vlastní BigQuery notace, nakonec to udělal běžnej SQL standard. Tím, že tomu přidává nějaké vlastní prvky, typicky, že třeba tam integruje volání ML modelů přímo z BigQuery SQL, tak vlastně dává možnost, aby uživatelé, kteří třeba nejsou programátoři, tak aby nemuseli programovat ten Python kód, ale můžou ty Gemini modely přímo volat z BigQuery.

Do toho vlastně celý BigQuery se jakoby proměnilo. Vlastně máš tam něco jako Jupyter Notebooky, je tam BigQuery Studio, takže celý ten produkt se jako fakt proměňuje. A co třeba mi přijde jako zajímavý a co tam bylo přiden nedávno, tak je podpora grafových databází. To jmána BigQuery Graph, kdy jsi schopen si vlastně udělat ty vazby mezi tím a pak vlastně hledat nějaké jako propojení. To jmána, že kdo tady z toho nodu je nejblížně někam a to letí jako možné.

Samozřejmě tady nezapomíná Google na agenty a vlastně v rámci toho BigQuery prostředí jsi schopen si udělat svýho datového agenta, který je přímo napojený na ty data. To znamená, že nemusíš chodit někam ven do ADK a někam integrovat MCP servery. Jseš prostě datový analytik, chceš s tím pracovat, může si toho konverzačního agenta v tom udělat. Přidáš tomu ten svůj vlastně, ten svůj dataset, tabulku a potom nadefinuješ nějaký jako promptama, co máš dělat a máš vlastně během chvíle v fozovkách vytvořený užvatelský rozraní, kde si na ty data můžeš dotazovat. Samozřejmě není to jen o těch datech, je to jen o těch metadatech.

Takže potřebuješ, aby nad tou tabulkou, sláš nad těma sloubcema byly ty data správně oanotovaný, což teďka se dělá pomocí něčeho, čemu Google říká knowledge catalog, který se znamená dataplex, což teďka bylo takový velký přejmenování. Každopádně je to služba, která ti umožňuje přidávat metadata k tomu, aby když ten agent potřebuje něco volat, tak aby tu informaci našel ve správný tabulce nebo sloubci.

Jirka Vicherek (00:22:56): Díky a zase o tom bychom si mohli bavit mnohem díl, když půjdu teda zase o ještě krok výš, tak Google Cloud, tak než půjdeme plně do AI, tak jak je na tom dneska Google Cloud? a možná i za tebe samotného, tak AppSatori máte k tomu blízko k tomu trhu, jak vnímáš sentiment ke Google Cloudu, jak na tom Google Cloud je tady u nás. Taky mám pocit, že se to dost změnilo, že Google Zatlačitel se hlavně velmi, že firmy jako rohlík typicky, tak udělali velkou službu v tom, že řekli, hele tohle není pro startupíky, ale je to enterprise ready. Tak jaké je tvoje vnímání k té pozice Google Cloudu?

Ivan Kutil (00:23:52): Google určitě pomohlo to, že tam je k dispozici vlastně Gemini, nebo že se o Gemini mluví v tom, že když jsou nějaké srovnávače modelů, takový ty LLM arény, tak v těch různých kategoriích vždycky v jeden část. Google třeba je na špičce ve všech těch věcech. Samozřejmě potom v některých přijde nový klot a... Větším je jako lepší opinie na generování obrázku, ale většinu se tak jako sejde. Google to samozřejmě využívá marketingově.

Máme nejlepší modely ve všech těch oblastech. Takže ty modely ti přitahujou tu pozornost, že to chceš začít jako používat. Takže z hlediska ty jako technologie tohleto ty firmy jako láká. Samozřejmě je tam dobře připravený to, že Google nedávno vlastně zpřístupnil Gemini Enterprise, což je vlastně jako to Enterprise řešení firmy, aby si mohl používat Gemini modely, aniž bys nutně potřeboval třeba mít Google účty. Je to taková ta jako strategie v uzokách trojského koně, protože Gemini Enterprise teďka můžou používat i lidi s Microsoftím účtem, případně S jinou identitou a vlastně tu identitu používají k přilašování, ale s těma datama můžou pracovat s těma, kde je jakoby mají.

Takže pokud jim třeba nevyhovuje to stávající řešení nebo nevidí, jak to řešit, takže mi na Enterprise jedna z možností, jak tohle to se dá řešit. Co hodně Google pomáhá, jakoby i v rámci toho Google Cloudu, protože tam patří Google Workspace, tak je třeba Notebook LM. Notebook LM je fakt super nástroj, kdy plno našich stávajících a nových klientů se ptá, jak tady ten nástroj můžou používat ve firmě, protože ho znajdou kromě. A víme, že klientů tím řeší nějaké věci, typicky jednoduché supportní portály, nějaké interní knowledge báze, hodně se v tom řeší stavební řízení, kde potřebuješ prostě mít informací na jednom místě, tak ten notebook jelem jako koncový nástroj, v tomhle hodně pomáhá. Takže určitě jsou to tady ty dva nástroje, nebo dva nástroje a ten model, který vlastně se otevírá více a více dalším uživatelům.

Jirka Vicherek (00:25:59): No a já pořád přemýšlím na tom, že Gemini vzniklo tak, že Google Brain a Google Deep Mind se dáli dohromady, Brain and Mind, vzniklo Gemini, tak já tyhle třeba miluju a you blew my mind. Tak to ještě zpracovávám. Každopádně, jak je na tom Gemini Enterprise, teď vlastně mám pocit, že toho je plno, že zase, jak to u Google bývá, že toho názvo sloví je spoustu, tak posledních pár měsíců mám pocit, že to je Gemini, jako Google Gemini je to ono a že teď se snaží to konsolidovat pod nějaký Gemini Enterprise, tak pověst nám něco o tom, jak ty to vidíš, jestli to je jenom branding, nebo jestli je to jako produktový push, nebo co je zatím.

Ivan Kutil (00:26:53): Mně se líbilo, když Tomas Koryan o tom říkal, nebo respektive někde asi jako trošku s tipem říkal, no Gemini Enterprise je Gemini pro Enterprise, jakože úplně to jako zjednodušil a vlastně to v tom slově jako odpovídá nebo v tom sloví, protože Historicky se podíváme, tak Google má Android Enterprise, což moc lidí jako nezná, nevnímá, ale je to vlastně centrální zpráva mobilních zařízení, potom má Chrome Enterprise, jmená zprávu jako firemních počítačů a zase je tam to Enterprise, takže vlastně logicky do té sady řekli, potřebujeme ještě Jimena Enterprise, aby tady to jako platformu to jako uzavřel. V rámci Gemina Enterprise, tak jak bylo vždycky vnímané, tak to byla jenom ta jako koncová aplikace, kterou jsi mohl používat ve firmě, napojit si tam datové zdroje, mít kontext té dané firmy, takže ty jsi tam mohl jako napojit Slack, Jiru, Google, Microsoft a vlastně nad těma datama ti to jako by vyhledávalo, takže když jsi na něco doptával, tak ti to jako bylo schopné vrátit. Na tom Nextu, což asi teďka bylo před tím měsícem v Las Vegas, kde jsem byl a vlastně jsem se o tom tam s těma lidma bavil a vlastně jsem se bavil i s hlavním chief evangelistem Google Cloudu, tak ten říkal, že jim na Enterprise je pro nás hodně důležitý, hlavně důležitý pro tvorbu aplikací. tak Gemini vznikla nebo vlastně byl představený Gemini Enterprise Agent Platform, což vlastně zní tak jako, že si dneš tyho novej produkt, ale vlastně ve skutečnosti to je jenom to, co dosud jsme znali jako Vertex AI. Takže Google měl posledních pět let pojem Vertex AI a předtím se to jmenovalo jinak, ale prostě to jenom reflektuje tu danou dobu, že prostě když víc chceš tlačit agenty nebo chceš to těm užovatelům jako zjednodušit, Tak vlastně jenom akorát trošku to jako upravíš, to násloví, to vlastně evoluce těch produktů a v rámci toho Jimena Enterprise Agent Platform máš vlastně end-to-end řešení, tak jako před těmi pěti lety bylo end-to-end řešení pro trénování modelů, protože přišli s tím, že jste nahraješ někam dataset a na konci tí vyleze API endpoint, který můžeš volat, tak vlastně podobně to udělali s těma agentama.

Řekli, my potřebujeme něco, kde ty agenty si vytvoříš, build, Kde je někde naškáluješ, kde to budeš provozovat, scale, kde ty agenty budeš řídit, govern a kde ty agenty budeš optimize.

Jirka Vicherek (00:29:12): Takže vlastně z nějakých NLOps na jednou je LLMOps.

Ivan Kutil (00:29:16): Jo, přesně tak, no spíš Agent Ops, ale vlastně ti to jako dává možnost, abys tohle to jako používal a už se to propojili s něco, čemu říkají vlastně ADK, Agent Development Kit, což je vlastně jako by framework, který teďka funguje v jazycích jako je Python, Java, Go, TypeScript, Kotlin, kde ty si toho agenta můžeš nadefinovat, můžeš si ho vlastně naprogramovat a toho agenta potom můžeš někde provozovat a potom můžeš někde hostovat. My třeba co poslední rok jako děláme, tak to ADKčko ho používáme pro tvorbu interních agentů nebo pro koncepty pro naše klienty. Samozřejmě mezi tím jsme naráželi na takový ty první porodní bolosti, že tam něco nešlo pro konfiguru a tak dále, ale nakonec teďka se samozřejmě to jako zlepčuje a zlepčuje, Takže teď už můžeš si toho agenta vytvořit v ADKčku, někdy ho potom provozovat a můžeš ho potom zpřístupnit těm koncovým uživatelům v tom Gemina Enterprise aplikaci, tak aby ho mohli oni vlastně používat.

Jirka Vicherek (00:30:18): Dáš mi nějaký konkrétní příklad, co třeba u vás v AppSatori?

Ivan Kutil (00:30:23): Máme agenta pro ověřování firm, typicky kolega říkal, no já většinou řeším to, že když s někým jako spolupracujeme, tak potřebujeme zjistit základní informace o té firmě. Tak máme jednoho agenta, který volá jako tři podagenty, který dělá to, že v základu se umí ty informace najít jak na internetu, takže běžná věc, zaražná ze firmy, najde ti to i čo. Umí se připojit vlastně na rejstřík, takže si ti z rejstříku vytáhne vlastně výkaz zku a ztrát a vlastně ti udělá zhodnocení té firmy. Napojí se na registr družníků a na nějaký jako další ještě registry. Takže ty potom, město to, aby se jako procházeli, jestli vlastně s takovou firmou chci spolupracovat, jestli není nějaký jako probléme, tak tohle za nás teďka jako řeší nějaký agent, který bíje v prostředí Google Gemini Enterprise a který ho může jako použít kdokoliv jakoby ve firmě.

Takže tohle to jeden z příkladů.

Jirka Vicherek (00:31:14): Jasný, a jak v tom vypadá to ADKčko?

Ivan Kutil (00:31:17): To ADKčko je vlastně nadefinovaný, je to vlastně udělaný v Pythonu, takže to je jeden vlastně orchestrační agent, který nadefinovaný má nějaký systémový prompt a má nějaký nástroje, který může volat, ale ty nástroje volá jako jiný agenty, protože ty bude udělat, že buď agent volá nástroj, nebo může volat jinýho agenta jako nástroj, no a pak jsou vlastně jiný agenti, který dohledávají ty informace, takže je agent, který je specializovaný na dohledávání informací z rejstříku a tak dále. a ten potom tyhle informace dodává tomu hlavnímu agentovi, který tyhle informace potom jako přidává tomu koncovi uživateli. A tohle pak běží vlastně na tom agent runtimeu technicky a je to vlastně vzpřístupněný už v tom vlastně.

Jirka Vicherek (00:32:00): Super, tak zpátky k Gemini Enterprise.

Ivan Kutil (00:32:05): Takže vlastně máš vytvořený tu možnost mít tady ty agenty. S tím, že co tam ještě jako zajímavý, tak Google říká, no samozřejmě můžeš volat agenty tímhletím způsobem, to měná vytvoříš si toho ADKčkovýho agenta v kódu, někam ho dáš. a nebo ještě má nějakou jakoby novou vrstvu, bych to tak jako pojmenoval, který říká Manage Agents, což je vlastně něco jako možná E2B, vlastně jako sandbox, který je nějaký vlastně jako Linuxový kontejner, kde ty si buď můžeš volat nějaký připravený agenty, typicky Deep Research, Deep Research umí prohlédávat informace na internetu v uživatelském rozhraní, tenhle není to umí dělat za tebe přes API, takže mu můžeš asi synchronně dát nějaký věci, Co tam přinesli nově, tak tam přinesli vlastně Antigravity agenta, protože každý v ní má Antigravity jako ten koncový nástroj, ale vlastně Antigravity je vlastně i nějaký jako koncept toho, že to vlastně může běžet jako agent samostatně v cloudu, takže ty můžeš zadat nějaké zadání tomu agentovi a on to vlastně jako udělá, případně můžeš dohrát nějaký jako skills a tak dále, plus potom ty si můžeš vytvořit vlastně vlastního custom agenta. Takže ty potom zavoláním nějakého API requestu můžete říct, tady je můj skill popsaný, tady je vlastně, chci napojit si na tyhle data, tady tomu agentovi dovolím dělat tohleto, necháš obještět asynchronně a on se ti potom vrátí ten výsledek. A tohleto je nějaká jiná vrstva toho, že využíváš vlastně ten harnessing toho Antigravity agenta, k tomu abys tohleto mohl používat.

Jirka Vicherek (00:33:49): No, mám tady čtyři další follow-up questions, tak postupně. První, MDčka jako základ všeho, jakože infrastruktura platí i pro Gemini, je to tím pádem nový standard napříč. Jakoby držet tuhle knowledge a ten jako nejdůležitější dokument zadání a píšeme ho v nějakém jazyce, sedí někde typicky v MDčku, tak to platí i pro Google ekosystem.

Ivan Kutil (00:34:25): Jo, je to vlastně nějaký jako de facto standard, Google tyhle ty věci adaptuje, teďka když trošku jako odskočím vedle, ale pak se vrátím, MCP server je to vlastně loňská, každej si tvořil MCP servery, Google teďka uvolnil MCP server pro svoje hlavní cloudový a workspaceový služby. Takže vlastně nějaká alternativa k API, když chci používat Drive, Gmail, Kalendář, tak máš k tomu MCP server, když ho správně autorizuješ, můžeš svýho agenta napojit na Google Workspace, stejně tak můžeš napojit agenta na Google Cloudový prostředí BigQuery Storage a je tam nějaké jako 60 služeb, takže určitě Bez

Jirka Vicherek (00:35:02): toho už si dneska nedokážu představit svět. My běžíme na Google Workspace a jako napojení na dva kliky s autorizací přesně na Drive, na kalendář a na Gmail je zase 80% mýho workload toho běžního kancelářského každodenního a that's the magic no pro mě.

Ivan Kutil (00:35:27): Tady ještě jako tip, třeba pokud ty nebo jiný uživatelé používají Google Workspace, tak hodně teďka, co třeba školíme naše klienty, tak je Google Workspace Studio. To je jako jednoduchý make, k tomu, aby si smohl něco zautomatizovat. Na to, že potřebuješ, že ti přijde mail, dohledá se v nějaký knowledge, bázi, informace a připraví nebo odešli ti to mail, naklikáš během deseti nebo pěti minut. Takže nemusí na to tvářit složitý agenty, jde to udělat tady. Když jsme řekli vlastně MCP servery, kdo toho hodně co vnímám, tak je vlastně jako skills.

Já jsem tady jako občas jako zmínil skills, co to je. Je to vlastně jako nadefinovaný vlastně příkaz toho, co ten agent nebo CLI může dělat. A výhodou těch skills je, že si vlastně nezaneřádíš kontextový okno. Protože kontextový okno je samozřejmě fajn, je velký, ale vlastně když byste měl dodefinovat všechny vlastně MCP servery, tooly, funkce, co to má, tak si prostě za prvý ten kontext je dlouhej a zároveň za to jako platíš. Proto skills vlastně přicházejí s tím, že jsou nějaké jakoby strukturované soubory, markdowny, které ti umožňují strukturovat tu informaci, kdy v té první struktuře máš název toho skillu a to, co dělá.

A potom ty agenti nebo ty CLI nástroje jsou schopni si načíst všechny ty skilly, ale načtou si jenom tu základní informaci. A když ten skill v tom okamžiku potřebují, tak si vlastně naloudují celý ten skill, který už obsahuje popis jako lat MCP server, CLI, nebo vykonávat nějaký jako best script. Takže potom tenhleten koncept ti umožňuje vlastně šetřit kontextové okno a peníze. Když tohleto vlastně si vezmeme vůči Google, tak Google vlastně uvolnil nějaké skily pro Google Cloud, takže řekl, jak by se mohlo pracovat s Cloud Storage, jak by se mohlo pracovat s BigQuery, takže to má normálně, že až GitHub Google Skills, tak to tam najdeš. A nově, co uvedli na Google I.O., tak je Data Agent Kit.

Tady ne po produktech, ale po řešení té oblasti.

Ivan Kutil (00:37:34): potřebuji BigQuery, tady potřebuji nějaký storage, tak ty si můžeš stáhnout Data Agent Kit, což je vlastně schrnutí všech dovedností, tady těch skills Tě popisují těch MCP serverů a vlastně jiných jako pluginů a ty si to jsi schopen stánout do svýho buď Antigravity, ke kterému se dostaneme za chvíli, klout koda, kodexu a tak dále a když jsi dát tvoj analytik a protože udělá datovou pumpu, tak to popíšeš tomu agentovi a on je schopen si ty věci potom sám vlastně nakonfigurovat, do najít a tak dále. Takže DT Agent Kit, nová věc na Google a jo, určitě pokud pracujete s datama, tak se doporučuji na to podívat.

Jirka Vicherek (00:38:10): Ještě než skočíme do Antigravity, tak jsem si chtěl zeptat na A2A. Mám pocit, že z MCP serveru se stal na jednu stranu standard, tak i Google a na druhou stranu nějaká kontroverze ve smyslu, že když už si hloubš, tak Tak to není tak efektivní, provolává to moc, že jsou tam nějaké trade-offs, které vycházejí z toho, že ten protokol vznikl předtím, než jsme uvažovali o agentech a agentních systémech, že byl víc na ty LLMka a na single purpose než na agentní ecosystem a hodně se tady řešilo A2A, nějaký jako protokol standard od Google, a je tam nějaký posun, anebo vlastně jako MCP is the standard a tohle se zas tak nepušuje?

Ivan Kutil (00:39:12): A to A, už to když to Google jako uvedl, tak hodně tu rétoriku říkal, že to nenahrazuje tím MCP a naopak to jako doplňuje, protože vlastně ve skutečnosti ty máš nějaký agenta, agent může volat nějaký tooly, nástroje, buď jiný agenty nebo MCP tooly. A ten agent vlastně, když ho potom chceš někam integrovat, hostovat, tak vlastně ho můžeš vypublikovat někam, ale ta publikace může být, že může mít svůj A2A vlastně jako vizitku, k tomu říká jako business card, kde popisuješ to, co vlastně ten agent dělá. To jmená, že trošku jako ta první vrstva u skills, kdy vlastně v té první vrstvě říkáš, co dělá ten skill, tak vlastně tady v té první vrstvě můžeš vlastně popsat, co ten agent dělá, co umí, jaký má nástroje. Takže je to jako připravený na budoucnost víc, je to vlastně protokol, který ti pak umožní, když budeš mít nějakou jako konzultanta, firmu, něco, co za tebe bude moct učtovat, učitnictví, tak můžeš mít dodefinovanýho agenta, který už bude mít nahraný skilly, tooly, přístup k tvým informacím a vlastně to bude ta věc, která zapouzdruje to chování toho agenta. A vlastně to reálně, ten MCP server, to je jenom volání těch konkrétních funkcí, chci zaučtovat, vystavit fakturu a tak dále, ale ten agent dělá to, že říká, umím účtovat, stačí mi k tomu jenom tohleto a ty si toho agenta můžeš připojit mezi svý agenty nebo někam jako zaregistrovat.

Takže je to připravený na budoucnost, bude prostě marketplace agentů, bude vlastně tady to A2A agentů, který ty budeš mít buď hostovaný někde na svém webový stránce nebo někde v nějakém interním repozitory a budeš to moct jako propovat mezi sebou.

Jirka Vicherek (00:40:51): Super. Tak, pojďme do Antigravity. Zase pro ty, co nejsou v Google Stacku, tak možná nějakou krátký opáčkou. A kde jsme teď?

Ivan Kutil (00:41:06): Antigravity Google uvolnil před půrkem, tzn. uvolnil někde jako v listopadu 1925, s tím, že to je vlastně jako by nástroj k tomu, aby pomáhal vlastně uživatelům psát kód. Vlastně to jako máš jako IDE, tak to je ADE, jako Agent Development Environment, který umožňuje vlastně tím uživatelům psát kód. Když to ale otevřel jako uživatel, tak vlastně na tebe vyskočilo okno, který vypadalo jako Visual Studio Code, co měl vlastně nějaký jako velký, vlastně ta hlavní část toho uživatelského rozraní bylo, kdy jsi ty psal kód, protože to je to, jak známe to uživatelského rozraní, vlevo si měl prostě jednu pětinu. panel se souborama v pravo jednu pětinu s tím agentem, se kterým jsi mohl komunikovat.

Takže vlastně jsi to měl jako většinu připravený uživatelský rozdaní, klasická pro uživatel, píše kód a má nějaký jako uživatel, který mu nepovídá. Vedle toho ještě jsi mohl překliknout do jiného režimu, který mu říkal agent manager, který schoval ti jako by to psaní kódu, ale nechal ti jenom velký okýnko, kam jsi mohl psát vlastně, co chceš pod něm a on to jako za tebe dělal. Někdo to používal tak, někdo to používal tak, každopádně pro běžný uživatel, když to otevřel, jak v tom byli trošku zmatený, protože říkali, to je strašně moc boken a vlastně to přinášel.

Jirka Vicherek (00:42:24): Fůj terminál.

Ivan Kutil (00:42:25): Jo. Přinášelo to vlastně to programátorský rozhraní. No jinže vlastně mezi tím se staly dvě věci. První je, že vlastně vzniknul velký trend v Claude Codu. To měná, že firmy používají Claude Coda nebo Claude Cowork k tomu, aby automatizovali svoje pracovní činnosti na počítači, protože řekli, no já by jsem chtěl tady si otevírat soubor, prohlížeč a dělat to na mém počítači a mě to jako vyhovuje.

A vlastně velký boom a vlastně i netechničtí uživatelé více, aby využívají Claude Coda. Ta druhá věc, co nastala, tak v červnu 2025 Google uvedl Gemini CLI. Uvedl to tak jako, mě přišlo skoro jako by the way. Já jsem byl v té době na Google I.O. v Berlíně, tam prostě odnamenali nějaké věci, ale co Gemini CLI tam nebylo, jenom prostě jsem se pak dočetl Gemini CLI.

Je nějaká věc, jak můžeš ovládat Gemini CLI z příkazových řádky, jenže se z toho stal strašný hit. plnou uživatelů to jako používalo, jednak z toho, že to bylo jako zdarma pro běžní uživatele, jednak z toho, že to je prostě Gemini model a můžeš to používat pro nějaký jako automatizace, lidi jako techničí, lidi mají rádi vlastně příkazovou řádku. Tím, že to ještě bylo open source a viděl se do toho, můjš do toho přispívat, tak se z toho stalo strašný boom, hodně lidí to používalo, teď to má nějakých 100 000 hvězdiček. Takže máš tady Gemini CLI, máš tady Antigravity. Máš tady skoro dva podobný nástroje, který můžeš řešit tu stejnou část.

No a jak to máš vlastně u Google, že máš jako dvě možnosti, což ty možnosti mezi sebou vlastně interně a mně to tak jako přijde, už konkuruji interně v tom týmu, v tom Google, protože vlastně mi to přije chytrý. Víš vlastně, jestli dokážou konkurovat sami sobě interně, tak pak líp dokážou konkurovat externě, kdyby přinesli něco, tady tomu dáváme hlavní pozornost. A to, co bylo vlastně potřeba, to nějaký, co jsem jako sjednotit, protože jsem měl jako plnou možností, to znamená, že Google udělal to, že řekl, a vlastně to udělal teďka na tom Google a jo, řekl, Antigravity je primárně nástroj pro vývojáře a uživatele, ale už oddalujeme ten uživatelský pohled, už vlastně oddalujeme ten vývojářský pohled, už tam nebude to, že to bude v pravopane a tak dále. Prostě Antigravity, když si dneska stáhnete, vyskočí na vás už jenom to okýmko, kde já můžu psát to, A je tam úplně zapomenuto to, že to byl nějaký programatorský nástroj. To měná, že si uvědomili sílu toho Claude Coda, zároveň si uvědomili, že během 7 až 8 měsíců, co se našlo nějakou statistiku, tak agenti vykonávají 70 až 80% práce a lidi tak pracují.

Lidi prostě reálně přijdu do práce, pustí prostě mikrofon a pět minut se baví s tím IDčkem a řeknou, co chtějí udělat, pustí to a hodinu nechají toho běžetho agenta. Už tam nepotřebuji mít to velké okno, uživatelské okno pro psaní toho kódu, který byl dělaný pro programátory, takže teďka potřebuji jenom, aby tam uživatel si mohl pohodlně s tím psát a proto tam je velké to okno, abych já si to mohl používat. Vedle toho ještě, aby Google neměl Antigravity a Gemini CLI, dva různý koncepty. Tak oznámil to, že Gemini CLI tak jako je, tak zůstává, jen primárně bude přemigrovávat uživatelé do Antigravity CLI. Takže Antigravity není jenom ten nástroj, ale je to i jako command lineový tool v příkazových řádce, který ty můžeš používat.

Takže se stalo to, že Jimina CLI užovatele si říkají, aha, co se děje a tak dále. Každopádně je nucená migrace používat Antigravity CLI, který je teda, jak ten uživatelský tool pro běžní užovatele, tak je to Jimina Antigravity CLI jako v příkazový hráce. Jsem schopen ovládat tenten. Zároveň je to i ten agent, který jsem mluvil před chvílí. Antigravity je vlastně nějaký agent, který ti někde může běžet.

Takže máš různý tři přístupy. A celý je to sjednocený tím, že to využívá stejný vlastně ten hardness. To, co mi přijde tam jako zajímavé a je to takové jako to, že vlastně často, když se někde mluví třeba v programatorských kódech nebo někde na webu, tak lidi samozřejmě to Antigravity zkracujou, že jo. A vlastně zkracuju to jako A, G, Y, to znamená, že jako A, G a tvrdé I, což ji jako hodně připomíná jako AGI, jako Artificial General Intelligence. Nevím, jestli to je jenom jako nějaký vtípek nebo příprava na to, že v době až tady budoucí bude ta AGI, tak vlastně možná ta AGI bude ta Antigravity, kterou teď my vidíme v tom začátku.

Která bude ta, která za nás bude dělat ty věci a vlastně bude to mít jako stejné pojmenování a tím, že to bude ten jeden harness, který teďka už není víc open source, takže Google do něho může dávat více a více jako know-how. Zároveň je to nějaká změna konceptu, tak vlastně to může přiníst něco, co vlastně teďka vidíme v začátcích, ale o AGI se mluví, že třeba bude za 3-5 let, takže to už může být začátek tady toho.

Jirka Vicherek (00:47:26): Do toho bych se nevrhal, je nějaký důvod, proč se to není Antigravity, je tam nějaká story jako s Gemini, to mě jako nadchlo, pojmenovávají věci po vesmírných věcech, Gemini, taky slovný NASA projekt.

Ivan Kutil (00:47:44): Tady určitě asi zatím nějaká bude, možná bude historika, ale jako nemám, nemám informací.

Jirka Vicherek (00:47:49): A teda pokud to chápu, nebo když říkáš Antigravity jako aplikace a Antigravity jako Antigravity CLI, tak to je pro mě Claude Code vlastně stejně ne? ne? Jo, jo, jo. Že když si ho zpoštím terminálu, nebo to, tak to...

Ivan Kutil (00:48:08): Pro tebe to je stejně, když je spíše to, jak s tím potřebuješ interagovat, protože jsem uživatel, potřebuji si Antigravity, můžu zadat něco, co potřebuju, teď je tam i scheduler, takže chci, aby se dalo z tohleto pravidelně, napojím si tam MCP server, anebo jsem píšu nějaké beskripty, přijde mi nějaký log ničeho a chci, aby se to byl vstupem do příkazové řádky, do nějakého beskriptu, tak ti můžu zavolat vlastně tenhleto Antigravity.

Jirka Vicherek (00:48:32): Já tomu rozumím a zase je to podobně složité jako to vysvětlovat u antropiků a Claude, proč Claude je něco jiného než Claude Cowork a než Claude Code a a proč si ty věci spolu zas tak moc nepovídají nebo můžu dělat jedno v jednom druhé v druhém a jaký je ten vztah. Tak není triviální, nebo musíte to vědět, není to na první dobrou. Mě zaujal ještě ten Antigravity agent teda, tak ten dělá co? Tak to je v jakém případě já si zavolám Antigravity agenta? Co je ten use case?

Ivan Kutil (00:49:14): Vlastně jakýkoliv jiný use case, který bys ty mohl programovat přes to ADK, akorát vlastně už nemusíš mu tolik zadávat tvorbu toho ADK, ale jsi schopen mu to nadefinovat volně. Samozřejmě on ten Antigravity Higend nemá přístup k prohlížeči, takže což ten Antigravity na tom počítači ti umí uletavřit prohlížeč a něco ti jako i proklikat, ale uměl si představit, že bys potřeboval si zautomatizovat nějaký věci, typicky chtěl bys projít svůj Gmail a najít tam všechny informace o s kým jsi psal za poslední rok nebo něco a dělat to jako pravidelně, nebo dohledávat nějaký informace tak vlastně můžeš toho Antigravity agenta pustit a zadáš mu zadání, tak jako bys to zadal tomu Antigravity jako to. S tím, že ale ty jsi schopen mu přidat buď ty skilly, takže mu dodefinuješ, jak se používá Google Gmail, jak se používá nějaký MCP server, a dodáš mu i tu svoji autorizaci, tzn. zadáš mu třeba i svůj access token ke svýmu gmailu a on se připojí na tvoje data. Takže to je nějaký vstupení, kdy ty potřebuješ něco dělat a nepotřebuješ mu to zadávat promptem, nepotřebuješ propojovat dva agenty, necháš ho volně pracovat a on si ty věci vyhodnocuje, spouští sám a když něco nemá, tak si to sám doinstaluje.

Potřebuje vydělat nějaký graf, tak on nemá knihovnu, co si stáhne, vyklaruje kusy kódu a tak dále, takže Dáváš mu větší volnost v tom, co aby jako dělal a tím, že je v tom jako environmentu, tak je stále vždycky oddělený od tvýho počítače, že ti nesmaže počítač, zároveň ty mu můžeš i na úrovní nastavení říct, ke kterým URL adresám se může připojovat, takže nemůže stáhnout ti tvoje credentials a poslat je někam na nějakou jako jinou. Je to takový vlastně možná odlehčený open call. Ale vlastně více malých OpenClaw, který můžeš mít na nějakou specializovanou úlohu, ale můžeš je vytvářet a volat přes API.

Jirka Vicherek (00:51:20): Další smější dotazů, které mi tady vyskočili, tak hodně si říkal Harness. Tam taky vnímám, že se to hodně posunuje a že The Name of the Game se posunula. Tak jak je to z tvýho pohledu jako praktika a někoho, kdo to radí firmám, jak stavět AI systémy dneska nebo agentní systémy, usej to majtová, jestli to má to. Tak jak vnímáš tenhle posun, tenhle trend? Zase začali jsme v tím, že kontextové okno bylo důležité a že ten compute byl při tvorbě modelu, ale potom jsme se ho jenom ptali.

Přešli jsme po nějaký tool use a teda tím pádem ty agenty a teď se bavíme o agentních systémech a celkem zajímavý slovíčko, které jsem rozhodně v IT kruzích zase tak často nepotkával, tak je harness, tak teď je toto slovo. Jak tohle vnímáš, kde tam je ten posun, ten trend podle tebe?

Ivan Kutil (00:52:33): Já jsem na ten harness teďka narážil pak častějiš a častějiš a taky mi to na tom nextu, když jsem byl, když jsem tam byl nějaká přednáška a tam to měly vždycky ukázány na tom slideu a jsem si říkal, jo to vlastně jako dává smysl a pak už to slovíčko vidíš všude, to jako když si všimneš prostě usměvům nějakým vlogů a pak už ten usměv tam vidíš furt, ale v roce 2024 tam, kde jsme jako by byli, tak to bylo o tom prop inženýringu, lidi se učili promptovat, Někdo si říkal, skill z budoucnosti je ten prompting. Některý ty lidi samozřejmě říkali, ne, prompting tady prostě za ruku špejt nemusí, není to to hlavní, protože ty agenti nebo ty modely se to jako naučí. Každopádně bylo to to, že vlastně se lidi učili promptovat, psali to na LinkedIn a tak dále.

Jirka Vicherek (00:53:13): Ti druzí měli pravdu.

Ivan Kutil (00:53:15): Ale bylo to o tom vlastně, jak formulovat ten text, jak přijávat ty správný slova, řešily se role a tak dále, což jako pořád říkám, neříkám, že to není důležitý, ale už to není ten jako job prompt engineering, že by prostě dělal na full time v nějaký firmě. Samozřejmě jak těch věcí, ty modely byly schopnější dělat více a víc, tak loňský rok byl nějaký Context Engineering. Super, tak já jsem schopen tam sice jako dávat plno informací, můžu tam dávat nějaké věci jako že MCP servery, jak volat nějaký tůly, jenže když toho tam dám až moc, tak ten model se v tom možná ztratí, nevyber správně zároveň a není to jenom jako, že loňská letoška ty modely se zdražují tím, jak se zlepčují, tak jsou vlastně i dražší. Tady je třeba zajímavý, že ten Flash model Google, který teď je jako 3,5, tak je lepší než ten 3,1 Pro, který byl 2 měsíce zpátky, takže ten jakoby střední model je lepší než ten 2 měsíce starej, ale samozřejmě ten Flash teď vychází o trošku dráž než ten minulej Flash, ale protože dosahuje těch kvalit jako to pročka. Takže potom, když máš prostě hodně informací, máš jako dlouhý promty, který se vladil minulý rok, přijaz do to MCP, protože se všude mluvilo o MCP serverech, tak máš vlastně ten kontext tak jakoby velkej, že vlastně možná už řešíš, jak to naopak jakoby osekávat, jak to řešit, proto vlastně přišli něco jako skills, kdy se říká, hele, nemusíte posítat jakoby všechno, ale možná můžete si to jako načítat jako načítat vlastně on demand.

A právě tady to načítání on the mind, co bylo to, že letošek jako v loni bylo teda Context Engineering, tak letos je to víc jako Harness Engineering. To měná, že my necháváme agenty běžet na volno. To je to, co jsem říkal, že v tom Antigravity vlastně už nepotřebuješ mít tolik ten prostor napsaný kódu, ale tomu agentovi dáváš už tu volnost. Už vlastně se lidi naučili dodávat tu důvěru těm agentům, protože jsou schopni Většině případů psát samozřejmě mnohem lepší kód, než třeba já píšu. Já už ten kód generuju, protože kolikrát koukám, jak něco vygeneroval a jsou to fakt věci, které já bych reálně nepoužil, protože používám moje programatorský návyky starý 15-20 let a on použije moderní, elegantní a vlastně si říkám vždycky wow, to je jako super.

Takže vlastně vývoáři nechávají agenta běžet na volno, akorát mu staví bezpečný mantinely. Říkají, hele, tohle to už jako nemůžeš dělat a tak dále. To je hezké vidět i střeba u toho Antigravity, kdy ty si můžeš na úrovni jednoho projektu říct... Případně i zakázat, co ten agent může volat, jaký příkazy. To mám už říct, ne, rama rafel není fakt jako dobrý nápad, aby se jako dělala příkaz.

Je to o tom, že vlastně skládáš to z těch nějakých skillů a tak dále a vlastně už to necháváš běžet jako samostatnýho pracovníka a vlastně se už posouváme k tomu, což je jako samozřejmě některý už dělaj, je, že těch agentů potom můžeš vyvolat víc a ty mezi tím můžeš dělat jako jinou práci. ale potřebuješ mít dobře nastavený to jako pravidla, co ten agent může nemůžet. Takže teď je to víc tady o tom a proto vlastně variant toho Antigravity agenta volat někde jako v cloudu, protože mu dáš tu volnost, aby něco jako by za tebe dělal.

Jirka Vicherek (00:56:29): Něké jsou tvoje best practices v rámci tvoření agentů a v rámci toho harnessu. Já cítím to, co říkáš, prompt, to jak to tam napíšu je čím dál míň důležitý. Zatímco předtím jsem si dával velký pozor a psal jsem v angličtině a tak. Tak teď teda máš upromky, které bych se styděl dát dva roky zpátky, protože mám pocit, že zas takový dopad na tu kvalitu odpovědi nemají, že to je vlastně chytřejší a thinking a kontext a všechno.

Jirka Vicherek (00:57:12): Mám pocit, že většina lidí je v tom jako kontextovém, takže ragy, doplnit dokument, nahrát tam něco, udělat si základní MDčka, základní skills, tak tam mám pocit, že je většina lidí a když se dívám na ty jako cutting edge programátory, tak řeší harness architekturu, že už jsou architekti nebo urbanisti, bych je dokonce řekl, už nejsou rozhodně zadníci, kteří by kontrolovali, jestli jednotlivý cihly, už možná i nejsou stavaři, už v té exekuci tomu věří nebo mají kontrolní mechanizmy. Tak co je ta tvoje zkušenost teď s Harnessem v Google Spacu, na co jsi hrdý, že jsi nastavil dobře a není to úplně samozřejmost.

Ivan Kutil (00:58:10): Vlastně nemám úplně takhle, že bych vysipal pět tipů, protože a to jsem vlastně u sebe z tu historii, že vlastně procházím i u mě vnitřním změnou nějakého paradigmatu toho, jak pracuji vlastně s informacima, protože ve směs já jsem doteď neřešil koncept složek, protože jsem vlastně všechno měl v cloudu, všechny moje dokumenty byly v cloudu, všechny, co jsem automatoval, byly scripty v cloudu, vlastně jsem nikdy neřešil toho, že vlastně všechno mám vlastně nějaký download, to je jako maximum pak možná pár, ale vlastně všechno Primérně jsem je v cloudu, takže vlastně já teďka se učím, jak si to zase zpátky vrátit, tak jako 20 let zpátky, jak si to jako rozložkovat, jak to jako nastavit správně a tak dále. Takže já jsem v tom procesu, jak to udělat jako nejlíp, takže asi nemám úplně jako teďka ty typy a triky, To, co vlastně možná bych to otočil a řekl spíš, co teďka třeba si řeším pro sebe, co mi pomáhá s prací reálně, tak je psaní poznámek a psaní poznámek do Obsidianu, který vlastně, když jsem koukal do svých poznámek na ten minulej, tak jsem vlastně i ty poznámky našel v tom Obsidianu, takže jsem to použil předtím, když to bylo cool v nějakém markdown souboru. A tady třeba, jak já to používám, tak mám teda na svém počítači plno hromadu poznámek, které jsou nějak jako propojovaný. Zároveň ty moje poznámky si synchronizuju teda s Google Cloudem, respektive s Google Workspacem přes Google Drive, takže i ty informace mám vlastně... Takže já jsem často dělal to, že jsem četl nějaký článek a pak jsem si to dělal výpisky, takže za mě tohle to teďka dělá Jiminy, že když tomu dám URL nebo článek, tak mi najde vhodně semanticky podobnou.

že dnes s tou mojí stávající poznámkou. Takže já jsem často dělal to, že jsem četl nějaký článek a pak jsem si to dělal výpisky, takže za mě tohle to teďka dělá džemináří, když tomu dám URL nebo článek, tak mi najde vhodně semanticky podobnou. podnámku a tu mi jako rozšíří. Takže to, jak jsi říkal, že vlastně architekti jsou více jako urbanisti toho kódu, tak mně třeba přijde, že jsem víc teďka urbanista těch jako znalostí, protože mám nějaký svůj myšlenkový model, který mi dává smysl, jak si ty data strukturu, jak si je mezi sebou udělám, tu provozbu a tohle zatím nedávám tomu agentovi, abych jako věděl zhruba, aby to odpovídalo tomu, jak já... tomu mentálnímu modelu, ale to, že mi prostě mám nějakou článek o BigQuery a budou nějaký nový tři funkci a to mi tam prostě dopíše podle té mí struktury, tak mi tam dopíše, případně já upravím si tu strukturu, aby dál vlastně se zachovával v tomhletom.

Takže tohle to je nějaký můj teďka jako takový mentální model, protože já to, co dělám a dělám to posledních prostě 15 let, pracuji s informacem a potřebuji prostě nějak ty informace načerpat, nějaký jako zpracovat a někam je jako uložit a v tomhle mi teďka pomáhá ten Obsidian a na tohle mám teďka tu aplikaci, kterou teďka mám a asi bych ji předtím neudělal, protože by mi to trvalo, ale mám ji plně udělána vlastně na programovou Fenty Gravity a běží mi v nějakých appscriptech, má nějaký jako uživatelský rozraní a nějak jako funguje, no. Takže tohle mě třeba pomáhá.

Jirka Vicherek (01:01:23): To je pro mě teď, až někdy budu mít čas, tak to je pro mě další projekt. Já jsem obsidian a podobné, zkoušel mnohokrát předtím, ale vždycky to jako se zastavilo na ty nutnosti manuálně tam zadávat a vlastně denníkovat nebo jako zapisovat journaling, tak to mi nikdy nešlo, protože tam je ta bariéra. a najednou vidím, že tato bariára se odemkla, tak jsem rád, že tobě to přináší hodnotu a děkuju za tip. Jak jsi říkal, že jsi v tom dlouho, tak máš nějaký nadhled. Myslím si, že umíš rozeznat, co je marketingový hype a co v tom je nějaká jako strategická výhoda.

Důležitá věc, teď jak jsi říkal Gemini CLI, tak prostě takový jako moc se o tom nemluví, ale najednou je to that's the thing. Tak co je pro tebe v blízké budoucnosti něco, co sledovat v tom Google ekosystému, na co ty se těšíš, co si myslíš, že bude velké, nebo co se stane?

Ivan Kutil (01:02:38): Dostal jsem zvědavý, jak Google zapracuje a zatím teda to mám jenom jako z prvních videí nebo obrázků Jiminy Spark, což by měla být trošku odpověď na Open Claw, nějaký jako v prostředím Google Workspace nebo Jiminy Enterprise, protože A často vidíme, že jsou nějaké malé trendy, o kterých se mluví OpenClaw a pak se o nich už nemluví. Tady OpenClaw je zajímavý koncept, určitě zajímavý, jak to některé firmy uvedou a Google odpověď by měla být právě ten Gemini Spark, tak mě docela se těším, Jakým způsobem to dodá tu sílu těm koncovým uživatelům, protože když se o tom bavíme v AppSatori s běžnými uživatelemi, tak tím jak ten hype kolem AI tady prostě 3-4 roky, tak všichni si už ty 3-4 roky myslej, že ten agent, jenom mu zadám nějaké zadání a on za mě něco vyřeší. A často jsou to ty věci, které by se daly řešit jinýma technologiema, možná jako rychlejiš, efektivnějiš, ale možná ty lidi to chtějí řešit, jenom se, že zadají nějaké zadání a vlastně to za ně vyřeší. Víš pak, ale s těma lidma se bavíme, no ale to teď tady nejde, protože tady není tenhle ten protokol, tady to není napojený a tak dále, tak stejně tam je potřeba ty jako nutnosti toho programátora nebo toho techničtějšího člověka, aby to jako nastavil. A těším se na to, jestli nastane to jakoby, že bude mizet více více tady ta bariéra, aby si ty běžní lidi mohli udělat to, že to projde nějaký webový stránky, udělají jim to nějaké schrnutí, nebo jim to bude něco monitorovat.

Takže tohle to se těším a jsem na to zvědavě, jak k tomu přistoupí a jak to uživatelům vlastně dá. Co se těším ještě je Project Genie, což je vlastně vygenerovaný vlastně svět real time, který ti vlastně umožňuje, teďka to bylo vlastně jenom pro AI Ultra v Americe, každopádně jsi v nějakém vlastně virtuálním světě, který můžeš chodit jako v nějaký hře pomocí Před tebou se generuje jako video, takže ty můžeš se pohybat v nějakém fiktivním světě. Co Google udělal, tak k tomu dodal Street View informace, takže ty potom reálně můžeš chodit po nějakém volně, teďka můžeš chodit taky po Street View, ale představ si, můžeš chodit volně po nějakém světě a někde se prohlídnou. A jestli Google k tomu doplní to, co jako chystá typicky Android XR, znamená buď chytrý brýle nebo chytrý, chytrý, chytrá nějaký VR headset, tak to může být docela zajímavý v tom aspoň trochu se přiblížit někam podívat nebo se podívat do nějakého by světa, takže tohle to mě přijde jako zajímavý, jak to jako bude k dispozici, jak to bude fungovat.

Jirka Vicherek (01:05:25): Mě baví, že zmiňuješ dvě věci, kterých jsme se vůbec nedotkli nebo úplně jenom zazněli a to, že Google má pod sebou taky Android a celý svět mobilních telefonů a takže na rozdíl od Open AI antropiku, tak konkuruje jako konkuruje Apple v tomhle. Tak tohle mě baví a ta druhá je ta robotická, že vlastně když se bavíme o budoucnosti, tak se bavíme o tom, že tak OK, tak tu knowledge internetu jsme z nějaký části z toho otevřeného internetu minimálně jsme vytěžili. A tak kde bude ten další průlom, tak ten další průlom je buď v velmi specifických oborech, tak všechny digitalizované knižky, co zase Google má, nebo mapový podklady, tak ty ještě nemáme v těch modelech takhle daný. No, ale hlavně v tom reálném světě, že jo, tak a tam ten Google taky je, ať už skrze ty naše mobilní telefony, anebo skrze robotiku, tam mi taky přijde, že ta další revoluci je v tomhle a Google tam má jako velmi dobrou pozici.

Ivan Kutil (01:06:47): Myslím, že i na AIO měli přednáškou Physical AI a vlastně, když bych to měl vlastně komentovat nebo schrnout, to je vlastně ty věci, kdy jsme se naučili, jak vypadá vlastně jablko a umíme ho jak textovi popsat, tak obrazkově, tak když se tohleto dodá těm agentům jako nějaký akční tokeny, kdy ty potom zadáš agentovi vem to jablko a on si to vlastně připíše, porozumí na té kamerě, kde je to jablko a dostane to přepsaný z těch souhradnicích na výstupu, ne jako text, ale souhradnice, tak je pak schopen sčáhnout pro to jabloková něco jako udělat. Takže tohle bude zajímavé, že když vezmeme tohle znalost porozumění tomu světu a dodáme to tady těm systémům, tak budou schopni něco jako řešit. A docela je zajímavý, jak na těm Google jako uvažuje, protože pak se jako mění to paradigma, jak jsem říkal o Antigravity, že se mění to uživatelský rozraní, tak je to i o tom vyrušování, protože když ten agent doběhne, tak ti samozřejmě jako pošle zprávu a Google na těmi uvažuje, tak samozřejmě, když ti někdo zavolá, tak ti jako by vyruší, tak jak ten agent ti bude vlastně jako... Takže i tyhle změny, že možná budou vznikat nové uživatelské rozhraní, nové hardwary, toho, jak s těmi systémama pracovat, protože už se mění kompletně ta naše práce, tak bude zajímavý sledovat. prázdněnej, tak se ti bude připomínat, nebo to dodělá sám.

Takže i tohle to je jako zajímavé, protože teďka to je tak, že prostě agenti doběhne, vyskočí na tebe a ty se komu jako vráčí. Takže i tyhle ty změny, že možná budou vznikat nový, vlastně uživatelský rozradní, nový hardware i toho, jak s těma jako systémama pracovat, protože už se mění kompletně ta naše práce, tak bude jako zajímavé sledovat.

Jirka Vicherek (01:08:19): Děkuju moc za zhodnocení současnosti, jak na tom Google je, a za ten pohled do budoucnosti. Já bych byl moc rád, kdybychom se tady potkali mnohem dřív, než za dva a půl roku, protože za tu dobu se toho stalo spousta. Mám pocit, že Google je pořád v tom informačním space tak trochu popelkou, že ekosystém trochu sám o sobě a je to škoda, protože jak mohli naši posluchači a fanušci slyšet, tak se toho tam děje spousta, spousta zajímavého. Tak ještě jednou moc děkuji Ivané a doufám, že si uděláš čas dřív, než za, že si uděláš čas za měsíce, ne za roky.

Ivan Kutil (01:09:09): Tak jo, díky, moc mě to bovalo, díky za pozvání Jirka.

Jirka Vicherek (01:09:14): Děkujeme, že jste doposlouchali až sem a díky taky našim stálým partnerům, členům DataTalk klubu. Těmi jsou SASKA, TV Nova, Direct Technologies, GoodData, Miton, Colours of Data, BizzTreat, FLO, Carl Data Company a intecs. Díky moc za podporu a nechtě vás provází Datal.